在data.table中高效行绑定时间序列并正确排序时间戳的方法

好问题！针对你想用data.table高效合并带有部分不同列的大型时间序列，同时希望直接得到按时间戳排序的结果（避免先合并再单独排序的两步操作），这里有几个简洁且高效的方案：

方案1：链式调用合并+排序（一行搞定） #

你完全可以把rbind和排序操作链式在一起，不需要创建中间的dt3对象，直接得到最终的排序结果：

library(data.table)
tm <- seq(as.POSIXct("2018-05-12 00:00"), as.POSIXct("2018-05-14"), by = "hours")
dt <- data.table(time = tm, x = seq(1, length(tm), by = 1))
set.seed(1)
dt2 <- data.table(time = tm[sample(length(tm), size = 8)] + rnorm(n = 8, 0, 60), y = rnorm(8))

# 一行完成合并+排序
dt4 <- rbind(dt, dt2, fill = TRUE)[order(time)]

tail(dt4, 20)

方案2：用rbindlist替代rbind（更适合多表场景） #

如果需要合并3个及以上的data.table，推荐使用rbindlist——它是data.table专门为批量合并设计的函数，效率比rbind.data.table更高，尤其是处理大型数据集时：

# 用rbindlist批量合并并排序
dt4 <- rbindlist(list(dt, dt2), fill = TRUE)[order(time)]

额外优化：为时间列设置索引 #

如果后续还要频繁按时间戳进行操作，可以在合并排序后给time列设置主键索引，这样后续的查询、分组等操作会更高效：

dt4 <- rbindlist(list(dt, dt2), fill = TRUE)[order(time)]
setkey(dt4, time) # 设置主键索引

为什么这两种方案更高效？ #

• 链式操作避免了存储未排序的中间表，减少了内存占用，对大型数据集来说这一点非常关键；
• rbindlist内部做了大量优化，比逐个调用rbind的速度更快，尤其当表的数量较多时；
• data.table的order()函数是经过底层优化的，排序效率远高于基础R的order()。

内容的提问来源于stack exchange，提问作者user9102888